学前导读：Agent 基础这一章到底在学什么
这一章解决的是：先把 Agent 的边界、能力和系统结构说清楚。
很多新人第一次学 Agent 时，会把聊天机器人、工作流、RAG、工具调用和多 Agent 全部混在一起。这样学很容易被框架和 Demo 带着跑。Agent 基础章的任务，就是先把最小闭环建立起来：目标、计划、行动、观察、修正，最后输出结果。
这一章在整个课程里的位置
你已经在前面学过 LLM 应用开发和 RAG，知道大模型可以接文档、接 API、做对话和生成内容。到 Agent 阶段，课程开始从“模型应用”进入“能围绕目标持续行动的系统”。
这一步的关键变化是：普通 LLM 应用通常是用户问一次、系统答一次；Agent 更强调目标驱动、状态维护、工具调用、结果观察和多步执行。
这一章真正要解决的问题
这一章要回答五个问题：Agent 和普通聊天机器人有什么区别；Agent 和固定工作流有什么区别；目标、状态、工具、记忆、规划分别承担什么职责；为什么单 Agent 要先做稳，再考虑多 Agent；一个 Agent 系统怎样记录过程、处理失败和避免无限循环。
新人最容易犯的错误，是一上来就追 LangGraph、CrewAI、AutoGen 或多 Agent 协作，却没有先理解单 Agent 的执行闭环。框架可以提高开发效率，但不能替你理解系统边界。
新人推荐学习顺序
建议先看“什么是 Agent”，把 Agent、聊天机器人、RAG 应用、工具调用系统和固定工作流的边界分清。然后看发展脉络，理解 Agent 为什么会在 LLM 之后重新受到关注。接着看能力层级，把“会回答、会检索、会调用工具、会规划、会使用记忆、会协作”放在同一条能力线上。最后看系统结构，理解目标、状态、工具、记忆、规划器和执行器怎样组合。
学这一章时要抓住的主线
这一章的主线可以概括为：Agent 不是模型名，而是一种围绕目标组织模型、工具、状态和反馈的系统方式。
这条闭环能帮助你判断一个系统是不是 Agent。如果系统只是固定地调用一次模型，它更像普通 LLM 应用。如果系统能根据目标拆步骤、调用工具、观察结果、修正计划，并在必要时继续执行，它才开始接近 Agent。
这一章和后面章节的关系
这一章是 9 AI Agent 与智能体系统的入口。后面的推理与规划会展开 Agent 如何决定下一步，工具调用会讲它怎样连接外部能力，记忆系统会讲它怎样保存上下文和经验，MCP 会讲工具生态和协议，多 Agent 会讲多个角色如何协作，评估安全和部署会讲怎样让 Agent 可靠运行。
如果这一章没学稳，后面常见的问题是：以为多 Agent 一定比单 Agent 强；只演示成功路径，不处理工具失败和循环执行；把记忆当成“越多越智能”，却不知道记忆应该服务任务；框架学了很多，但不知道系统为什么这样设计。
新人和进阶学习者怎么读
新人第一次学这一章时，先抓住主线和最小可运行例子。你不需要一次理解所有细节，只要能说清楚这一章解决什么问题、输入输出是什么、最小项目怎么跑起来，就可以继续往后走。
有经验的学习者可以把这一章当成查漏补缺和工程化练习：关注边界条件、失败案例、评估方式、代码可复现性，以及它和前后阶段的连接。读完后最好能把本章内容沉淀到自己的作品 README 或实验记录里。
学习时间与难度建议
| 学习方式 | 建议投入 | 目标 |
|---|---|---|
| 快速浏览 | 20～30 分钟 | 看懂本章解决什么问题，知道后面会用到哪里 |
| 最小通关 | 1～2 小时 | 跑通一个最小例子，完成本章小项目出口 |
| 深入练习 | 半天～1 天 | 补充错误分析、对比实验或项目 README 记录 |
本章自测问题
| 自测问题 | 通过标准 |
|---|---|
| 这一章解决什么问题？ | 能用一句话说明它在整门课里的位置 |
| 最小输入输出是什么？ | 能说清楚例子需要什么输入，会产生什么结果 |
| 常见失败点在哪里？ | 能列出至少一个报错、效果差或理解偏差的原因 |
| 学完后能沉淀什么？ | 能把本章产出写进项目 README、实验记录或作品集 |
本章小项目出口
学完这一章后，建议做一个最小研究助手 Agent。用户输入一个主题，Agent 先拆解问题，再选择是否检索资料或调用工具，然后整理观察结果，最后输出一份带步骤记录的简短摘要。
这个项目的重点不是搜索结果多丰富，而是要把执行过程记录清楚：目标是什么，计划是什么，调用了什么工具，观察到了什么，什么时候决定继续，什么时候决定结束。
过关标准
这一章结束时，你应该能解释 Agent 和聊天机器人、RAG 应用、固定工作流之间的区别，能说清楚目标、状态、工具、记忆、规划和观察在 Agent 里的作用，能画出一个单 Agent 的执行 闭环。
如果你能做出一个单 Agent Demo，并记录每一步工具调用、观察结果、失败处理和最终输出，就可以继续进入推理、工具、记忆、MCP 和多 Agent 章节。